Visão Computacional e Aplicações

Apresentação em tema: "Visão Computacional e Aplicações"— Transcrição da apresentação:

1 Visão Computacional e Aplicações
João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009

2 Domício Pinheiro Agência Estado

3 Computação Gráfica Processamento de Imagens Visão Computacional Visualização Científica Análise de Imagens

4 Processamento de imagens Modelagem de dados
Imagem – Áreas Correlatas Processamento de imagens Modelagem de dados (processamento de dados) Visão (análise de imagem) Visualização (computação gráfica, síntese de imagem) DADOS IMAGEM

5 Modelagem de dados (visualização) Curvas, superfícies, etc

6 Computação Gráfica Rendering: processo de geração de imagem a partir de um modelo. Em português: visualização

7 Computação Gráfica 3D 2D

8 Processamento de Imagens
Segmentação de um tumor em momografia

9 Processamento de Imagens
Leandro Gerhardiger, 2006

10 O que é visão computacional?
É a ciência que desenvolve as bases teóricas e algoritmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores

11 O que precisamos saber para ter sucesso na construção de um sistema de visão artificial ?
Aspectos Cognitivos: combinação dos aparelhos sensoriais e comportamento psico-biológico: neurociências, IA, filosofia, psicologia, lingüística. Aspectos fisiológicos do cérebro.

12 Aspectos Cognitivos

13 Exemplo 3: ilusão cognitiva (ambigüidade)

14 Exemplo 3: ilusão cognitiva (ambigüidade)

15 Exemplo 4: ilusão cognitiva (distorção)
Tamanho, comprimento, curvatura

16 Exemplo 5: ilusão cognitiva (distorção)

17 Exemplo 6: ilusão cognitiva (Paradoxo)

18 Exemplo 7: percepção visual – aspectos culturais
Mostre estas figuras para um árabe e um zulu...

19 Exemplo 8: percepção visual – especialização

20 Movimento sacádico

21 Aspectos Fisiológicos

22 Visão Natural: sistema super paralelo
Macro Micro Intermediário

23 Visão Natural: o olho humano

24 Blid Spot: Ponto Cego Feche seu olho direito. Foque no número 3. Avance e recue. Ou foque nos nros à direita ou esquerda !

25 Cones: (sens.) C C M L M C Bastonetes: Alta sensibilidade à luminosidade, não percebem cor Cones: Alta sensibilidade a cor, alta quantidade na fóvea

26 Os córtex visuais

27

28 Exemplo 1: fisiologia A região A é mais escura que B, certo ? Isso não é uma pegadinha

29

30 Resposta Contraste local
Algo claro, rodeado por algo mais escuro, tende a parecer mais claro do que é. E vice-versa ! Este é um exemplo da excelente qualidade de nosso sistema visual, certo? Certo !

31 Exemplo 2: fisiologia Explicação: campos receptivos da retina

32 Visão Computacional/Artificial
VISÃO é o processo de descobrir, a partir de imagens, o que está presente no mundo e onde está localizado Disciplinas relacionadas Processamento de Imagens Computação Gráfica Reconhecimento de Padrões Robótica Inteligência artificial

33 Um sistema de visão computacional para indústria

34 Três níveis de atuação Melhorar qualidade da imagem Pouca inteligência
Extrair e caracterizar componentes Alguma inteligência Reconhecimento Alta Inteligência

35 Exemplo: um sistema de visão para reconhecer digitais

36 Reconhecimento de Digitais - padrões
Bifurcações Terminações

37 Típico sistema de visão
Processamento de Imagens Pré-processamento Aquisição Cena 1 2 3 6 5 4 Análise de Imagens IA / reconhecimento de padrões Extração de características

38 Passo 1 - Aquisição Cena 1 2 3 6 5 4

39 Aquisição

40 Passo 2 - Pré-processamento
Cena 1 2 3 6 5 4

41 Pré-processamento

42 Passo 3 - Processamento de Imagens
Cena 1 2 3 6 5 4

43 Processamento de Imagens

44 Passo 4 - Análise de Imagens
Cena 1 2 3 6 5 4

45 Análise de Imagem 1- Procurar todos e marcar: - bifurcações
- terminações

46 Análise de Imagem 2 - Determinar as orientações: - bifurcações
- terminações

47 Passo 5 - Extração de Características
Cena 1 2 3 6 5 4

48 Extração de Características: Modelo Matemático
- Semelhança de Triângulos Combinar as marcações 3 a 3

49 Passo 6 - IA / Reconhecimento de padrões
Cena 1 2 3 6 5 4

50 IA / Reconhecimento de padrões
Armazenar o modelo matemático de todos os triângulos Base de conhecimento

51 IA / Reconhecimento de padrões
Armazenar o modelo matemático de todos os triângulos Base de conhecimento

52 IA / Reconhecimento de padrões
Comparar com modelos treinados Base de conhecimento Padrão reconhecido, digital identificada

53 É fácil emular a visão humana ?

54 Reconhecimento

55 Importância da cor

56 Importância da Textura

57 The role of shape

58 Importância do agrupamento

59 Auxílio da matemática Sistemas mais antigos empregavam métodos heurísticos Hoje recorremos à matemática, às vezes um pouco pesada ! Cálculo Algebra Linear Probabilidade e estatística Processamento de Sinais Projeção Geométrica Geometria Computacional Otimização Boa notícia: muita computação !

60 Aplicações Inspeção industrial/Controle Qualidade Segurança
Reconhecimento Facial Reconhecimento Gestos Aplicações espaciais Análise de imagens médicas Veículos autônomos Agro-negócio

61 Identificação de pássaros para controle de poluição ambiental
Da apostila PI da Agma... André Balan, 2004

62 Segmentação por Campos Aleatórios de Markov em
multi escala Leandro Gerhardiger, 2006

63 Segmentação de um tumor em momografia

64 Recuperação de conteúdo em grandes BD por imagem

65 Identificação de Ferrugem de Cana – Casa Branca
Desirée Dias, 2005

66

67

68

69 Criação de mosaica em plantações de eucalipto

70

71 Mosaico criado automaticamente, sem nenhum georeferenciamento

72 Localização de contornos por “snakes”
Se imagem em nível cinza-> Filtro passa alta (Sobel, Laplaciano, Gradiente da Derivada Direcional Integrada) para gerar mapa de arestas GDDI – Haralick – mascar 7x7 – menos sensível ruido Cada ponto contorno final tem as coordenadas armazenadas em uma estrutura de dados. Essas corrdenadas são aplicadas sobre o mapa de arestas = media e desvio padrão da tonalidade (valores) dos pixels.

73 Perguntas ? Obrigado !